SISTEM PENUNJANG

KEPUTUSAN
PERTEMUAN-4
 Turban, Aronson, and Liang
Decision Support Systems and Intelligent Systems,
Seventh Edition

BAB 4
PEMODELAN DAN ANALISIS
 Tujuan Pembelajaran
 Memahami konsep dasar MSS modeling.
 Menjelaskan interaksi MSS models.
 Memahami model class yang berbeda.
 Menyusun pengambilan keputusan dari beberapa
alternatif.
 Mempelajari bagaimana menggunakan spreadsheets
dalam MSS modeling.
 Memahami konsep optimization, simulation, dan
heuristics.
 Mempelajari untuk menyusun linear program
modeling.
4-3
 Tujuan Pembelajaran
 Memahami kemampuan linear programming.
 Mengkaji metode pencarian untuk MSS models.
 Menentukan perbedaan antara algorithms, blind
search, heuristics.
 Menangani multiple goals.
 Memahami sensitivity, automatic, what-if analysis,
goal seeking.
 Mengetahui topik utama dari model management.

4-4
Dupont Simulates Rail Transportation System and
Avoids Costly Capital Expense Vignette

 Simulasi Promodel dibuat untuk memberikan

gambaran mengenai sistem transportasi.
 Menerapkan what-if analyses
 Visual simulation
 Mengidentifikasi beragam kondisi
 Mengidentifikasi kemacetan
 Memungkinkan untuk menurunkan jumlah
armada tanpa mengurangi jumlah yang
diantarkan
4-5
 MSS Modeling
 Elemen utama dalam DSS
 Berbagai jenis model
 Setiap model memiliki teknik yang berbeda
 Memungkinkan adanya pengkajian ulang untuk
alternatif solusi
 Seringkali sebuah DSS melibatkan Multiple models
 Trend menuju transparansi
 Multidimensional modeling ditunjukkan seperti halnya
spreadsheet

4-6
 Simulasi
 Menelusuri masalah
 Mengidentifikasi alternatif solusi
 Dapat berorientasi obyek
 Meningkatkan proses pengambilan keputusan
 Memberikan gambaran dampak dari alternatif
keputusan

4-7
 DSS Models
 Algorithm-based models
 Statistic-based models
 Linear programming models
 Graphical models
 Quantitative models
 Qualitative models
 Simulation models

4-8
 Identifikasi Masalah
 Memahami dan menganalisa lingkungan luar
 Business intelligence
 Mengidentifikasi variable dan hubungan
 Influence diagrams
 Cognitive maps
 Forecasting
 Ditingkatkan dengan e-commerce
 Meningkatkan jumlah informasi yang tersedia
melalui teknologi

4-9
Kategori Model

4-10
 Static Models
 Gambaran sederhana dari situasi
 Single interval
 Time can be rolled forward, a photo at a time
 Biasanya berulang
 Steady state
 Optimal operating parameters
 Continuous
 Unvarying
 Primary tool for process design

4-11
 Dynamic Model
 Merepresentasikan situasi yang kerap berubah
 Time dependent
 Kondisi yang beragam
 Generate dan menggunakan trends
 Suatu kejadian mungkin saja tak berulang

4-12
 Decision-Making
 Certainty (Kepastian)
 Diasumsikan sebagai knowledge utuh
 Dapat mengetahui semua hasil yang potensial
 Mudah digunakan
 Dapat menentukan solusi ulang dengan mudah
 Sangat kompleks

4-13
 PENGAMBILAN KEPUTUSAN
 Uncertainty (Ketidak pastian)
 Beberapa hasil untuk setiap keputusan
 Kemungkinan yang terjadi untuk setiap hasil tidak
dapat diketahui
 Informasi yang tidak mencukupi
 Membutuhkan resiko dan keinginan untuk
mengambil resiko
 Pendekatan Pessimistic/optimistic

4-14
 PENGAMBILAN KEPUTUSAN

 Probabilistic Decision-Making
 Keputusan yang beresiko
 Probabilitas dari beberapa hasil yang
memungkinkan bisa saja terjadi
 Analisa Resiko
 Menghitung nilai untuk setiap alternatif
 Memilih nilai terbaik

4-15
 Influence Diagrams
 Model disajikan dengan grafis
 Menyediakan relationship framework
 Menguji ketergantungan antar variabel
 Semua level disajikan detail
 Menunjukkan dampak perubahan
 Menunjukkan what-if analysis

4-16
 Influence Diagrams
Variables:
Intermediate Result atau
Decision atau outcome
uncontrollable (intermediate atau
final)

Tanda panah mengindikasikan jenis hubungan dan arah dari pengaruh

Certainty Amount Interest

in CDs earned

Sales
Uncertainty Price

4-17
 Influence Diagrams
~
Random (risk) Demand
Place tilde above Sales
variable’s name
Sleep all
day
Graduate Get job
Preference University
(double line arrow)
Ski all
day

Anak panah bisa satu atau dua arah, tergantung pada arah
dari pengaruh

4-18
An Influence Diagram For Profit Model

4-19
 Modeling dengan Spreadsheets
 Fleksibel dan mudah
 End-user modeling tool
 Memungkinkan penggunaan linear
programming dan analisa regresi
 Meliputi what-if analysis, data management,
macros
 Sempurna dan transparan
 Memasukkan Model Statis dan Dinamis

4-20
4-21
 Decision Tables
 Analisa keputusan untuk multi kriteria
 Meliputi:
 Decision variables (alternatif)
 Uncontrollable variables (Variabel tak terkontrol)
 Result variables (Variabel Hasil)
 Menerapkan prinsip-prinsip certainty,
uncertainty, and risk

4-22
 Tabel Keputusan
 Penggambaran dari beberapa hubungan
 Pendekatan multi kriteria
 Menunjukkan hubungan yang kompleks
 Tidak praktis, bila terlalu banyak alternatif

4-23
 MSS Mathematical Models
 Menyatukan decision variables, uncontrollable
variables, parameters, dan result variables
 Decision variables menggambarkan alternatif pilihan.
 Uncontrollable variables adalah sesuatu yang berada diluar
kemampuan decision-maker.
 Faktor tetap adalah parameter.
 Intermediate outcomes adalah intermediate result
variables.
 Result variables tergantung pada solusi terpilih dan
uncontrollable variables.

4-24
 MSS Mathematical Models

 Nonquantitative models
 Hubungan Simbolis
 Hubungan Kualitatif
 Hasil akan tergantung pada
 Keputusan yang dipilih
 Faktor-faktor diluar kemampuan decision maker
 Hubungan antar variabel

4-25
Gambaran Umum Quantitative Model

4-26
Variabel Hasil (Result Variables)
Variabel ini merefleksikan efektivitas dari sistem. Variabel hasil tergantung pada
variabel keputusan dan variabel tak terkontrol.

Variabel Keputusan (Decision Variables)

Menggambarkan alternatif tindakan/aksi. Harga dari variabel ini ditentukan oleh
pengambil keputusan.

Variabel tak terkontrol (Uncontrollable Variables or Parameters)

Faktor yang mempengaruhi variabel hasil tapi tidak dalam kendali pengambil
keputusan. Faktor ini bisa tetap -> parameter, juga bisa bervariasi -> variabel.

Variabel Antara (Intermediate Variables)

Variabel yang menghubungkan variabel keputusan dengan variabel hasil.
Sebagai contoh:
Gaji atau penghasilan (variabel keputusan), kepuasan karyawan (variabel antara) dan
tingkat produktivitas (Variabel hasil)

4-27
Contoh
Area Decision Result Variable Uncontrollable
Variable variables and
Parameters
Financial Investment Total profit Inflation rate
investment alternatives and Rate of return Competition
amounts Earning per share
Periode of investment Liquidity level
Timing of investment

Marketing Advertising Budget Market share Customer’s

Product mix Customer income
statisfaction Competitor’s
action

Transportation Shipments schedule Total transport cost Delivery

distance
Regulation

4-28
 QUIZ

AREA Decision Result Uncontrollable

Variable Variable Variable
IT

Purchasing

Penjualan

4-29
 Mathematical Programming
 Tools untuk menyelesaikan masalah manajerial
 Decision-maker harus mengalokasikan sumber daya
 Optimisasi tujuan tertentu
 Linear programming
 Terdiri dari decision variables, objective function and
coefficients, uncontrollable variables (constraints),
capacities, input and output coefficients

4-30
 Multiple Goals
 Seringkali manajemen menginginkan beberapa
tujuan yang dapat saling menimbulkan konflik
 Sulit menentukan ukuran efektifitas
 Metode Penanganan:
 Utility theory
 Goal programming
 Linear programming with goals as constraints
 Point system

4-31
 Sensitivity, What-if, and Goal Seeking Analysis
 Sensitivity
 Mengkaji dampak dari perubahan input atau parameter terhadap
solusi
 Dapat disesuaikan dan fleksibel
 Mengurangi variabel
 Otomatis atau trial and error
 What-if
 Mengkaji solusi berdasarkan pada perubahan variabel atau asumsi
 Struktur : “What will happen to the solution if an input variable, an
assumption, or a parameter value is changed?”
 Goal seeking
 Pendekatan mundur (Backwards approach), dimulai dengan tujuan
 Menentukan nilai input yang diperlukan untuk mencapai tujuan
 Contoh: Penentuan break-even point

4-32
 Search Approaches
 Teknik Analisis (algoritma) untuk masalah terstruktur
 General, step-by-step search
 Mencapai solusi yang optimal
 Blind search
 Complete enumeration
 Semua alternatif dipertimbangkan dan sehingga solusi
optimal dapat ditemukan.
 Incomplete/Partial search
 Dikerjakan sampai menemukan solusi yang “good
enough”.
 Mencapai tujuan tertentu
 Mungkin mencapai tujuan yang optimal
4-33
 Search Approaches
 Heurisitic
 Repeated, step-by-step searches
 Rule-based, hanya digunakan untuk situasi tertentu
 Solusi yang “Good enough” , tetapi, akhirnya mencapai
tujuan yang optimal
 Contoh heuristics
 Tabu search
 Mengingat dan mengarahkan pada pilihan yang lebih berkualitas
 Genetic algorithms
 Menjalankan solusi dan mutasi secara random

4-34
4-35
 Simulasi
 Bentuk imitasi dari kenyataan
 Memungkinkan eksperimentasi dan waktu yang lebih singkat
 Deskriptif, bukan normatif
 Mencakup kompleksitas, tetapi membutuhkan keterampilan khusus
 Menangani masalah tidak terstruktur
 TIdak menjamin tercapainya solusi optimal
 Metodologi
 Mendefinisikan masalah
 Membuat model
 Testing dan validasi
 Merancang eksperimen
 Eksperimentasi
 Evaluasi
 Implementasi

4-36
 Simulasi
 Probabilistic independent variables
 Discrete or continuous distributions
 Time-dependent atau time-independent
 Visual interactive modeling
 Grafis
 Decision-makers berinteraksi dengan simulated
model
 Dapat digunakan dengan artificial intelligence
 Dapat berorientasi obyek
4-37
Proses Simulasi

4-38
 Model-Based Management System

 Software yang memungkinkan pengaturan

model dengan transparent data processing
 Kemampuan
 DSS user memiliki kontrol
 Fleksibel dalam merancang
 Memberikan feedback
 GUI based
 Pengurangan redundancy
 Meningkatkan konsistensi
 Komunikasi antar model kombinasi
4-39
 Model-Based Management System

 Relational model base management system

 Virtual file
 Virtual relationship
 Object-oriented model base management system
 Logical independence
 Database and MIS design model systems
 Data diagram, ERD diagrams managed by CASE tools

4-40